基于空间匹配滤波的红外背景抑制技术

低信噪比条件下点目标的检测性能在很大程度上依赖于对红外背景杂波的抑制情况。针对红外背景杂波的统计特性，提出了一种改进型的空间匹配滤波算法。原理分析与实验结果表明，这是一种易于硬件实现，能有效抑制强起伏背景杂波的线性滤波方法。     

红外背景中点与近点源目标探测的卷积减法滤波算法

远距离下点与近点源红外目标的有效探测与捕获，很大程度上依赖于对背景杂波的抑制，诸多滤波技术已经提出。本文在了主要滤波技术的特点后，提出一种新的卷积减法滤波法，数理模型分析与计算机模拟的结果说明：这是一种易于硬件实现，能有效抑制背景杂波的线性技术。     

红外背景中点与近点源目标探测的卷积减法滤波算法

远距离下点与近点源红外目标的有效探测与捕获，很大程度上依赖于对背景杂波的抑制，诸多滤波技术已经提出。本文在简述了主要滤波技术的特点后，提出一种新的卷积减法滤波算法（ＣｏｎｖｏｌｕｔｉｏｎＳｕｂｔｒａｃｔｉｏｎＦｉｌｔｅｒｉｎｇ），数理模型分析与计算机模拟的结果说明：这是一种易于硬件实现，能有效抑制背景杂波的线性技术。     

红外弱小运动目标实时检测的规整化滤波方法

低信噪比小目标检测能力决定着系统的探测灵敏度和作用距离,是反映红外低可观测目标识别能力至关重要的一项核心技术.自适应杂波背景抑制技术是实现这一目标的有效途径.本文将杂波背景抑制滤波归纳为逆问题求解的优化问题;建立了新的红外弱小目标/背景模型,在此基础上发展了一种基于规整化技术的滤波框架;并提出了"去杂波-保目标"规整化的自适应各向异性滤波新算法.详细的理论分析和试验结果表明:该算法能在单步处理中消除杂波背景、同时增强弱小目标信号,运算量小;对低信噪比的强杂波背景表现出良好的滤波性能和适应能力,且结构简单、利于硬件实时实现.     

基于机器视觉系统的红外背景杂波量化技术

介绍了红外背景杂波的基本概念及机器视觉系统中的两类红外背景杂波量化方式：基于背景功率谱密度（PSD）分布模型和基于小波变换。分析了各自的优缺点及适用范围，展望了红外杂波量化技术的未来发展前景。     

基于背景自适应预测的红外弱小运动目标检测

介绍了一种检测背景杂波中弱小红外目标的新方法．该方法根据背景红外辐射空间分布上的相关性,采用ＬＭＳ自适应空间预测滤波技术对背景空间红外辐射分布进行预测,并根据预测误差检测红外运动目标．本文还介绍了改进预测效果的方法,并以实际录取图像的处理结果,说明了上述方法的有效性     

强杂波背景下高空红外运动点目标检测

对强杂波背景下高空红外遥感图像序列的背景和目标特性进行了分析,采用新型的形态滤波方法实现了背景抑制,提出了一种子窗口检测门限算法,并进行了仿真试验,有效地提取了强背景低信噪比下的目标.对比分析说明子窗口检测门限算法具有较好的效果,并且可以提高并行计算能力,适合应用于强杂波背景下大面积扫描或凝视红外图像序列的处理.     

基于非下采样方向滤波器组的红外复杂地面背景抑制

针对弱小目标检测技术的难点,根据红外图像中目标和背景杂波的特性,提出了一种基于非下采样方向滤波器组的红外地面背景抑制方法。首先,采用非下采样方向滤波器组对图像进行多方向分解,提取图像方向细节特征,然后,根据目标和背景杂波信号的差异,通过将基于傅里叶变换域的频域调整策略应在于分解后各方向子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的,最后采用经典的自适应阈值分割技术得到目标点,最终实现对目标的检测。实验结果显示,与最大中值滤波和局部去均值滤波方法相比较,该方法能有效地检测出信杂比较低的目标。     

采用马尔可夫自回归模型的红外杂波时空域融合抑制

背景杂波抑制是红外传感器目标探测的关键技术。针对序列红外图像,基于马尔可夫自回归模型建立统一的时空域表达式,据此进行背景杂波的时空域融合抑制。首先,利用改进的方向中值滤波实现背景杂波的空域初级抑制;其次,利用恒虚警初检测提取出残余的强杂波干扰点作为样本点集;最后,根据最小均方残差准则通过奇异值分解估算统一模型参数,进而对空域滤波结果进行自适应时空域融合抑制,进一步提高图像的信噪比。通过大量仿真实验对比了算法的抑制效能,并对抑制后的残差特性进行了详细分析。仿真结果表明:该算法相比维纳滤波、形态学滤波等方法具有更好的性能。     

基于MRF的自适应正则化红外背景杂波抑制算法

针对复杂背景下红外弱小目标检测难题,将背景杂波抑制归结为从原始红外弱小目标图像中重建目标数据的过程,据此提出了一种基于马尔可夫随机场模型(MRF)的自适应正则化滤波算法.该算法采用MRF,建立了红外弱小目标图像的先验概率模型,并根据图像的粗糙度设计了新的势函数.在此基础上,采用MRF对背景杂波抑制过程进行正则化处理,从而实现了对红外背景杂波的自适应各向异性抑制.理论分析与实验结果表明,该算法能够随图像局部纹理特征的变化自适应地调整滤波算子结构,从而可在复杂背景下自适应地抑制杂波、增强信号,有效地提高了图像的信噪比,且该算法结构简单,更易于硬件实时实现.     

一种基于稀疏化核方法的红外强杂波背景抑制算法

杂波背景抑制一直是红外弱小目标检测面临的难题.背景抑制可分为背景预测和差分滤波两步.针对强杂波背景呈现非线性分布的特征,提出了一种基于稀疏化核递推最小二乘(KRLS)算法的非线性背景抑制算法.算法采用监督学习模型,使用序列图像作为训练样本.通过稀疏化控制学习函数的复杂度并剔除冗余信息,不但可以提高学习机器的推广能力,还可以降低运算量.使用真实红外图像对算法进行了测试,并分析了算法参数.实验结果表明:算法可自适应预测不同类型的强杂波背景,并有效抑制背景杂波.     

基于快速子空间分解的组滤波自适应杂波抑制算法

针对部分相关，中等起伏目标的最佳检测，本文提出了基于快速空间分解的组滤波自适应杂波抑制算法，由于采用了快速了空间分解方法，明显降低了算法运算量而使其易于实时实现，文中所采用的最小二乘同组滤波相结合的方法使得即使在非平稳的条件下也要以获得良好的杂波谱估计，进而可以有针对性地完成特定多普勒域的目标提取，实现在变化杂波条件下的有效杂波抑制和目标检测。     

红外图像目标环境生成技术研究

研究了图像环境生成过程中红外目标特征信息提取所面临的重要技术问题，提出了自适应背景感知与对消处理、抑制背景的自动门限选取和形状分析与目标特征识别的层次化数据处理流程，基于数学形态学理论实现了图像背景感缸的应用研究算法，实验测评表明，该算法对复杂变化的图像环境具有良好的滤波性能和稳健的适应能力。     

强背景杂波条件下运动的弱小目标检测方法

根据目标、背景干扰和噪声在红外序列图像中的差异。提出了一种基于空间高通滤波和时间域上N帧轨迹积累的运动小目标检测方法。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响,有效检测出弱小目标。实验结果表明,采用这种时空混合处理的方法可以得到满意的结果。     

基于变差函数的红外图像预处理算法

提出一种基于变差函数的红外背景图像预处理算法。通过分析红外目标、背景及噪声的变差函数特性,采用变差函数对红外图像进行纹理分析,研究基于变差函数的目标检测预处理算法。实验表明:此算法对空间和时间相关性强的云背景具有良好的抑制作用,能有效地提高目标信杂比。     

红外背景干扰研究

根据从许多地区收集来的录象磁带上的图象数据和大量红外图象数据，对红外背景图象内的干扰进行了研究。图象内的噪声是以象元电平为单位的均方根形成计算。图象经过空间滤波处理，对其内的干扰再进行计算。为获得关于红外背景图象的空间频率构成的信息，在滤波和非滤波两种状态下计算了图象的光谱密度，把计算出的干扰值输入数据库取出多组数据并绘图，确定参数量（如天气、背景类型和测量条件等）对干扰电平的影响。     

基于RBF神经网络的图像杂波抑制技术

在红外搜索与跟踪系统中,背景杂波抑制效果将直接影响到低信噪比下目标检测及跟踪性能。利用RBF神经网络的非线性映射能力,研究了一种基于RBF神经网络的背景杂波抑制技术。杂波抑制后,残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证,杂波抑制效果与常用的Uniform加权函数进行了比较,结果表明所研究思路的可行性和有效性。     

复杂海面背景红外小目标自动检测方法

采用维纳自适应滤波，抑制随机噪声和高斯噪声；利用Otus阈值法分割图像，确定海天线和目标潜在区；利用Top—Hat算子进行形态滤波处理，抑制平缓变化背景并保留高亮度区的目标和强噪声；选择结构元素进行形态开运算，去掉细小的背景杂波干扰；针对远距离舰艇小目标总是出现在海天线附近以及红外目标灰度高于其邻域背景的特点，确定阈值即可分离出真正的目标。实验结果表明，该方法可以较好地抑制海浪、云层等背景的干扰，能有效检测复杂海面背景中的红外小目标。